Upload
others
View
33
Download
0
Embed Size (px)
Citation preview
Estudios Pedagógicos
ISSN: 0716-050X
Universidad Austral de Chile
Chile
Reyes Rocabado, Jimmy; Escobar Flores, Carlos; Duarte Vargas, Juan; Ramirez Peradotto, Pedro
UNA APLICACIÓN DEL MODELO DE REGRESIÓN LOGÍSTICA EN LA PREDICCIÓN DEL
RENDIMIENTO ESTUDIANTIL
Estudios Pedagógicos, vol. XXXIII, núm. 2, 2007, pp. 101-120
Universidad Austral de Chile
Valdivia, Chile
Disponible en: http://www.redalyc.org/articulo.oa?id=173514134006
Cómo citar el artículo
Número completo
Más información del artículo
Página de la revista en redalyc.org
Sistema de Información Científica
Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
101
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTILEstudios Pedagógicos XXXIII, Nº 2: 101-120, 2007
INVESTIGACIONES
uNA APLICACIoN DEL MoDELo DE REGRESIoN LoGISTICA EN LA PREDICCIoN DEL RENDIMIENTo ESTuDIANTIL*
An application of the model logistic regression in the prediction of the student performance
Jimmy Reyes Rocabado, Carlos Escobar Flores, Juan Duarte Vargas,Pedro Ramírez Peradotto
Universidad de Antofagasta, Departamento de Matemáticas, Avenida Angamos 601,Antofagasta, Chile. [email protected]
* Proyecto de investigación financiado por la Dirección de Investigaciones de la Universidad de Antofagasta.
Abstract
This work presents a methodology to carry out predictions of the success in the first se-mester of the students of the Common Plan Engineering career, in a student cohort of first year of the University of Antofagasta.
To carry out the analyses were conside-red three criteria of demand for classify as successful to a student in the first semester of their career. Applying a model of logistic regression, the results were compared with the of the discriminant analysis method, analyzing besides their agreement and index of predactibility.
Key words: student performance, logistic re-gression, agreement, index of predactibility.
Resumen
Este trabajo presenta una metodología para realizar predicciones del éxito en el primer semes-tre de los estudiantes de la carrera de Ingeniería Plan Común, en una cohorte estudiantil de primer año de la Universidad de Antofagasta.
Para realizar los análisis se consideraron tres criterios de exigencia para clasificar como exitoso a un estudiante en el primer semestre de su carrera. Aplicando un modelo de regresión logística, los resultados fueron comparados con los del método de análisis discriminante, analizando además su concordancia e índice de predictibilidad.
Palabras clave: rendimiento estudiantil, regresión logística, concordancia, índice de predictibilidad.
102
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
INTRODUCCION
Los directivos superiores asociados a la actividad docente de instituciones de edu-cación superior asumen que la mayoría de los estudiantes que ingresan a una carrera universitaria lo hacen con la intención de permanecer en ella hasta su graduación y les resulta disonante aceptar que esos estudiantes, en altos porcentajes, puedan no tener éxito en varias de las asignaturas que cursan en el primer semestre de ingreso, debiendo prolongar sus estudios hasta casi duplicar sus tiempos normales para titulación. A su vez, la mayoría de ellos asume que las altas tasas de reprobación estudiantil (no éxito) se deben principalmente a métodos de enseñanza inadecuados, instrumentos de medición de resultados del aprendizaje no isométricos respecto a los resultados del aprendizaje, contenidos complejos, por su nivel de abstracción, contenidos innecesarios (a su juicio) para el futuro ejercicio profesional y mal diseño de la estructura de prerrequisitos entre asignaturas (Ramírez et al. 2004).
Los encargados de realizar la actividad docente asumen que las altas tasas de repro-bación se deben a fallas de formación de los estudiantes lograda en enseñanza media, carencia de responsabilidad y de perseverancia del estudiante, problemas de inteligencia y carencia de aptitudes verbales y/o matemáticas (Ramírez et al. 2004).
Ante la situación descrita en forma general se hace necesario definir las variables que puedan estar involucradas en este mal rendimiento estudiantil durante el semestre inicial de su carrera y mediante un modelo relacionar estas variables con el rendimiento de tal forma de poder predecirlo con alta precisión antes de que este ocurra, para poder tomar las medidas preventivas.
METODOLOGIA
Para obtener el modelo de predicción se consideraron las siguientes variables:
VARIABLE DEPENDIENTE
Rendimiento: Variable por la cual se considera exitoso un rendimiento sobre la base de los tres siguientes criterios.
Criterio 1: Aprobar tres o más asignaturas en el primer semestre.Criterio 2: Aprobar cuatro o más asignaturas en el primer semestre.Criterio 3: Aprobar todas las asignaturas en el primer semestre.
VARIABLES INDEPENDIENTES
1. Expectativa (EX): Juicio que hace una persona respecto a su rendimiento esperado (por ejemplo, aprobar una signatura), que haga posible un logro deseado (por ejem-plo, ser promovido de curso).
2. Valencia (VA): Importancia que asigna una persona a un resultado específico.3. Instrumentalidad (INS): Valoración de la relación entre el esfuerzo que se realiza y
lo que se logra sobre la base de ese esfuerzo.
103
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
4. Puntaje de notas de enseñanza media (PtNt): Puntaje asignado al promedio de calificaciones obtenida por el estudiante en Enseñanza Media.
5. Puntaje en la PSu de matemáticas (PtMt): Puntaje estandarizado correspondiente a la parte matemática de la PSU.
6. Puntaje en la PSu de lenguaje (PtLg): Puntaje estandarizado correspondiente a la parte de lenguaje de la PSU.
7. Puntaje en ciencias (PtCs): Puntaje estandarizado correspondiente a la prueba de ciencias de la PSU.
Los datos de las tres primeras variables corresponden a los tres constructos conside-rados por la teoría de Vroom y fueron obtenidos mediante un instrumento denominado “Inventario PEI-EDU-UA 93/94” estandarizado para alumnos de primer año universita-rio en una investigación anterior (Ramírez et al. 2004), financiada por la Dirección de Investigación de la Universidad de Antofagasta.
Los datos para las otras variables fueron obtenidos de la base de datos confeccionada por la Dirección de Admisión y Registro Curricular de la Universidad de Antofagasta (DARC).
EL MODELO
Para realizar las predicciones se aplicó un modelo de regresión logística, caracteri-zado de la siguiente forma (Barón López, Téllez Montiel 2000):
Si tenemos una variable que describe una respuesta en forma dicotómica (Éxito o fra-caso) y queremos estudiar el efecto que otras variables (independientes) tienen sobre ella, el modelo de regresión logística binaria puede ser de gran utilidad para lo siguiente:
• Estimar laprobabilidaddequesepresenteeleventode interés(porejemplo, teneréxito en el primer semestre), dado los valores de las variables independientes,
• Evaluar la influencia que cada variable independiente tiene sobre la respuesta enforma de OR (ODD RATIO). Una OR mayor que uno indica aumento en la proba-bilidad del evento y una OR menor que uno, implica una disminución.
El modelo de regresión logística puede escribirse como:
logp
pb b b x b xk k1 0 1 1 2 2−
= + + + +x ……
donde p es la probabilidad de que ocurra el evento de interés (en nuestro caso tener éxito en el primer semestre). Dado el valor de las variables independientes, podemos calcular directamente la estimación de la probabilidad de que ocurra el evento de interés de la siguiente forma:
p
e
e
suma
suma=
+1; donde suma b b x b x b xk k= + + + +
……
0 1 1 2 2
104
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
En este caso también se puede establecer la significación de los coeficientes del modelo usando el estadístico de Wald (Lehmann 1974) que es equivalente al del modelo de regresión lineal múltiple. Si una variable independiente resulta no significativa pode-mos considerar eliminarla del modelo.
RESULTADOS OBTENIDOS
Para realizar el análisis se consideraron los tres criterios, mencionados anteriormente, para asignar éxito en el primer semestre:
Criterio 1: Aprobar tres o más asignaturas en el primer semestre.Criterio 2: Aprobar cuatro o más asignaturas en el primer semestre.Criterio 3: Aprobar todas las asignaturas en el primer semestre.
CRITERIO 1
Al realizar el análisis con este criterio y todas las variables involucradas, utilizando Statgraphics Plus 5.1, se observó que las variables puntaje en notas (PtNt) y puntaje en matemáticas de la PSU (PtMt) fueron las más significativas en el modelo (p–valor menor que 0,01), todas las demás fueron eliminadas del análisis.
Variable dependiente: RENDIMIENTOFactores: PtNt, PtMt
Tabla 1
Modelo de regresión estimado (máxima probabilidad)
Parámetros EstimadoresError Estándar
EstimadoRazón de
Probabilidad
CONSTANTE -16,1518 2,36825
Coef. para PtNt 0,00585919 0,00196831 1,00598
Coef. para PtMt 0,0223587 0,00376586 1,02261
Tabla 2
Análisis de varianza
Fuente Suma Cuadrados Grados libertad p - valor
Modelo 65,7905 2 0,0000
Residuos 221,959 214 0,3401
Total (corr.) 287,749 216
105
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Porcentaje de varianza explicado por el modelo = 22,8638%Porcentaje ajustado = 20,7787%
Tabla 3
Test de razón de probabilidad
Factores Chi-Cuadrado Grados de libertad p -Valor
PtNt 9,81218 1 0,0017
PtMt 49,2124 1 0,0000
La Tabla 1 muestra el resultado de ajustar un modelo de regresión logístico para describir la relación entre RENDIMIENTO según criterio 1 y las dos variables inde-pendientes.
La ecuación del modelo ajustado es
p P RENDIMIENTo
e
e
suma
suma= = =
+( )1
1
donde
suma = -16,1518 + 0,00595819*PtNt + 0,0223587*PtMt
Figura 1
Gráfico del modelo ajustado con 95,0% límites de confianza
PtNt=564,968
PtMt
RE
ND
IMIE
NT
O 1
360 460 560 660 7600
0,2
0,4
0,6
0,8
1
106
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Dado que el p-valor para el modelo en la tabla 2 de Análisis de la Varianza es in-ferior a 0,01, hay una relación estadísticamente significativa entre las variables al 99% de confianza.
Los resultados también muestran que el porcentaje de varianza de RENDIMIENTO explicado por el modelo es igual a 22,8638% sobre la base de las variables PtNt y PtMt, en este caso.
Para determinar el punto de corte (frontera) donde se clasifica a un estudiante como exitoso o no exitoso en el primer semestre, se calculan las siguientes probabilidades para diferentes puntos de corte usando el modelo de predicción:
• Probabilidaddepredeciréxitodadoqueelestudiante tuvoéxito (Sensibilidad)• Probabilidaddepredecirnoéxitodadoqueelestudiantenotuvoéxito(Especificidad)• Probabilidaddeacertaren lapredicciónpara todos losestudiantes. (Total)
Los resultados se muestran en la siguiente tabla para diferentes puntos de corte (frontera):
Tabla 4
Determinación del punto de corte
Frontera Sensibilidad Especificidad Total
0 100 0 37,79
0,05 100 5,93 41,47
0,1 96,34 18,52 47,93
0,15 93,9 34,07 56,68
0,2 90,24 49,63 64,98
0,25 86,59 54,81 66,82
0,3 81,71 62,96 70,05
0,35 76,83 70,37 72,81
0,4 65,85 77,04 72,81
0,45 63,41 82,22 75,12
0,5 60,98 85,19 76,04
0,55 53,66 87,41 74,65
0,6 45,12 88,89 72,35
0,65 42,68 92,59 73,73
0,7 39,02 95,56 74,19
0,75 28,05 98,52 71,89
0,8 12,2 98,52 65,9
0,85 8,54 99,26 64,98
0,9 4,88 100 64,06
0,95 1,22 100 62,67
1 0 100 62,21
107
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
La tabla 4 muestra un resumen de la capacidad de predicción del modelo ajus-tado. En primer lugar, el modelo se utiliza para predecir la respuesta utilizando la información en cada fila del fichero de datos. Si el valor predicho es más grande que la frontera, se clasifica al estudiante como “exitoso”. Si el valor predicho es inferior a o igual a la frontera, se clasifica al estudiante como “no exitoso”. La tabla muestra el porcentaje de datos observados predichos correctamente a diferentes valores de la frontera. Por ejemplo, utilizando una frontera igual a 0,50, de todos los estudiantes exitosos el 60,98% se predijo correctamente, mientras que de todos los estudiantes no exitosos el 85,19% se predijo correctamente, con un 76,04% de predicciones correctas sobre el total de estudiantes.
El criterio utilizado para determinar el punto de corte (frontera) fue considerar el valor de frontera con el máximo porcentaje total de aciertos, además puede proporcionar un buen valor para utilizarlo en la predicción de valores adicionales.
Figura 2
Gráfico con Capacidad de predicción para Rendimiento 1
Punto de Corte
porc
enta
je c
orre
cto
0 0,2 0,4 0,6 0,8 10
20
40
60
80
100
x:0,5
y:76,5957
Total Sensibilidad Especificidad
Con este criterio se realizaron las predicciones de rendimiento para los 217 estu-diantes de la cohorte analizada y se comparó con los rendimientos reales obtenidos en el primer semestre de su carrera. Se obtuvo el siguiente cuadro:
108
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Tabla 5
Distribución de estudiantes de primer año de la carrera de IngenieríaPlan Común ingresados el año 2004 a la Universidad de Antofagasta según rendimiento
real y rendimiento predicho con modelo de regresión logística y Criterio 1
Rendimiento realPredicción rendimiento
Total generalÉxito Fracaso
Éxito 50 32 82
Fracaso 20 115 135
Total general 70 147 217
CRITERIO 2
Al realizar el análisis con este criterio y todas las variables involucradas, se observó que las variables Expectativa (EX), puntaje en notas (PtNt) y puntaje en matemáticas de la PSU (PtMt) fueron las más significativas en el modelo (p–valor menor que 0,01), todas las demás fueron eliminadas del análisis.
Variable dependiente: RENDIMIENTOFactores: EX, PtNt, PtMt
Tabla 6
Modelo de regresión estimado (máxima probabilidad)
Parámetros EstimadoresError estándar
estimadoRazón de
probabilidad
CONSTANTE -19,0875 3,03497Coef. para EX 1,63201 1,24212 5,11413Coef. para PtNt 0,00331285 0,00231762 1,00332Coef. para PtMt 0,0257899 0,00508723 1,02613
Tabla 7
Análisis de varianza
Fuente Suma Cuadrados Grados libertad p - valor
Modelo 59,7373 2 0,0000Residuos 159,091 213 0,9977Total (corr.) 218,828 216
Porcentaje de varianza explicado por el modelo = 27,2987%Porcentaje ajustado = 23,6429%
109
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Tabla 8
Test de razón de probabilidad
Factores Chi-Cuadrado Grados de libertad p -Valor
EX 1,75848 1 0,1848
PtNt 2,07356 1 0,1499
PtMt 37,555 1 0,0000
La Tabla 6 muestra el resultado de ajustar un modelo de regresión logístico para describir la relación entre RENDIMIENTO con el criterio 2 y las tres variables inde-pendientes.
La ecuación del modelo ajustado es
p P RENDIMIENTo
e
e
suma
suma= = =
+( )1
1donde
suma = -19,0875 + 1,63201*EX + 0,00331285*PtNt + 0,0257899*PtMt
Figura 3
Gráfico del Modelo Ajustado con 95,0% límites de confianza
EX=0,776959
PtNt=564,968
PtMt
RE
ND
IMIE
NT
O 2
360 460 560 660 760
0
0,2
0,4
0,6
0,8
1
Dado que el p-valor para el modelo en la tabla 7 de Análisis de la Varianza es in-ferior a 0,01, hay una relación estadísticamente significativa entre las variables al 99% de confianza.
110
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Los resultados también muestran que el porcentaje de varianza de RENDIMIENTO explicado por el modelo es igual a 27,2987% sobre la base de las otras variables EX, PtNt y PtMt, en este caso.
Usando el mismo criterio anterior se puede obtener el punto de corte (Frontera) a partir de la siguiente tabla:
Tabla 9
Determinación del punto de corte
Frontera Sensibilidad Especificidad Total
0 100 0 20,28
0,05 95,45 36,99 48,85
0,1 93,18 57,23 64,52
0,15 88,64 69,94 73,73
0,2 77,27 76,3 76,5
0,25 68,18 79,77 77,42
0,3 63,64 84,97 80,65
0,35 56,82 87,28 81,11
0,4 52,27 90,17 82,49
0,45 40,91 93,06 82,49
0,5 36,36 95,38 83,41
0,55 34,09 96,53 83,87
0,6 25 97,11 82,49
0,65 20,45 98,27 82,49
0,7 18,18 98,84 82,49
0,75 15,91 98,84 82,03
0,8 11,36 100 82,03
0,85 4,55 100 80,65
0,9 2,27 100 80,18
0,95 2,27 100 80,18
1 0 100 79,72
La tabla 9 muestra un resumen de la capacidad de predicción del modelo ajustado. En primer lugar, el modelo se utiliza para predecir la respuesta utilizando la información en cada fila del fichero de datos. Si el valor predicho es más grande que la frontera, se considera al estudiante como “exitoso”. Si el valor predicho es inferior a o igual a la frontera, se considera al estudiante como “no exitoso”. La tabla muestra el porcentaje de datos observados predichos correctamente a diferentes valores de frontera. Por ejemplo, utilizando una frontera igual a 0,55, de todos los estudiantes exitosos el 34,09% se predijo correctamente, mientras que de todos los estudiantes no exitosos el 96,53% se predijo correctamente, con un 83,87% de predicciones correctas sobre el total de estudiantes.
111
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
En este caso la capacidad de predicción del modelo se muestra en la figura 4:
Figura 4
Gráfico de capacidad de predicción para RENDIMIENTO 2
Punto de Corte
porc
enta
je c
orre
cto
Total
Sensibilidad
Especificidad
0 0,2 0,4 0,6 0,8 1
0
20
40
60
80
100
x: 0,551075
y: 82,9787
Con este criterio se realizaron las predicciones de rendimiento para los 217 estu-diantes de la cohorte analizada y se comparó con los rendimientos reales obtenidos en el primer semestre de su carrera. Se obtuvo el siguiente cuadro:
Tabla 10
Distribución de estudiantes de primer año de la carrera de IngenieríaPlan Común ingresados el año 2004 a la Universidad de Antofagasta según rendimiento real
y rendimiento predicho con modelo de regresión logística y Criterio 2
Rendimiento realPredicción rendimiento
Total generalÉxito Fracaso
Éxito 15 29 44
Fracaso 6 167 173
Total general 21 196 217
CRITERIO 3
Al realizar el análisis con este criterio y todas las variables involucradas, se observó que las variables puntaje en notas (PtNt), puntaje en matemáticas de la PSU (PtMt) y puntaje en ciencias (PtCs) fueron las más significativas en el modelo (p–valor menor que 0,01); todas las demás fueron eliminadas del análisis.
112
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Variable dependiente: RENDIMIENTOFactores: PtNt PtMt PtCs
Tabla 11
Modelo de regresión estimado (máxima probabilidad)
Parámetros EstimadoresError estándar
estimadoRazón de
probabilidad
CONSTANTE -22,8795 4,27017
Coef. para PtNt 0,0070403 0,00319071 1,00707
Coef. para PtMt 0,0203983 0,00679178 1,02061
Coef. para PtCs 0,00989672 0,00525345 1,00995
Tabla 12
Análisis de varianza
Fuente Suma cuadrados Grados libertad p - valor
Modelo 41,7173 3 0,0000
Residuos 100,682 213 1,0000
Total (corr.) 142,4 216
Porcentaje de varianza explicado por el modelo = 29,2959%Porcentaje ajustado = 23,6779%
Tabla 13
Test de razón de probabilidad
Factores Chi-Cuadrado Grados de libertad p -Valor
PtNt 5,19228 1 0,0227
PtMt 10,4475 1 0,0012
PtCs 3,89339 1 0,0485
La tabla 11 muestra el resultado de ajustar un modelo de regresión logístico para describir la relación entre RENDIMIENTO según criterio 3 y las tres variables independientes.
113
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
La ecuación del modelo ajustado es
p P RENDIMIENTo
e
e
suma
suma= = =
+( )1
1
donde
suma = -22,8795 + 0,0070403*PtNt + 0,0203983*PtMt + 0,00989672*PtCs
Figura 5
Gráfico del Modelo Ajustado con 95,0% límites de confianza
PtNt=564,968
PtCs=472,594
PtMt
RE
ND
IMIE
NT
O 3
360 460 560 660 760
0
0,2
0,4
0,6
0,8
1
Dado que el p-valor para el modelo en la tabla 12 de Análisis de la Varianza es inferior a 0,01 hay una relación estadísticamente significativa entre las variables al 99% de confianza.
La ventana también muestra que el porcentaje de varianza de RENDIMIENTO explicado por el modelo es igual a 29,2959% sobre la base de las variables PtNt, PtMt y PtCs, en este caso.
Usando el mismo criterio anterior se puede obtener el punto de corte (Frontera) a partir de la tabla 14 (ver página siguiente).
La tabla 14 muestra un resumen de la capacidad de predicción del modelo ajustado. En primer lugar, el modelo se utiliza para predecir la respuesta utilizando la información en cada fila del fichero de datos. Si el valor predicho es más grande que la frontera, se considera al estudiante como “exitoso”. Si el valor predicho es inferior a o igual a la frontera, se considera al estudiante como “no exitoso”. La tabla muestra el porcentaje de datos observados predichos correctamente a diferentes valores de frontera. Por ejemplo, utilizando una frontera igual a 0,50, de todos los estudiantes exitosos el 27,27% se predijo correctamente, mientras que de todos los estudiantes no exitosos el 98,97%, se predijo correctamente, con un 91,71% de predicciones correctas sobre el total de estudiantes.
114
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
En este caso la capacidad de predicción del modelo se muestra en la figura 6:
Figura 6
Gráfico de capacidad de predicción para RENDIMIENTO 3
Punto de Corte
porc
enta
je c
orre
cto
0 0,2 0,4 0,6 0,8 10
20
40
60
80
100
x:0,502688
y:92,0213 Total Sensibilidad Especificidad
Con este criterio se realizaron las predicciones de rendimiento para los 217 estu-diantes de la cohorte analizada y se comparó con los rendimientos reales obtenidos en el primer semestre de su carrera. Se obtuvo la siguiente tabla:
Tabla 14
Determinación del punto de corte
Frontera Sensibilidad Especificidad Total
0 100 0 10,140,05 95,45 62,05 65,440,1 77,27 75,9 76,040,15 63,64 82,56 80,650,2 59,09 87,69 84,790,25 50 91,79 87,560,3 45,45 95,38 90,320,35 36,36 95,9 89,860,4 36,36 97,44 91,240,45 27,27 98,46 91,240,5 27,27 98,97 91,710,55 22,73 99,49 91,710,6 18,18 99,49 91,240,65 13,64 100 91,240,7 13,64 100 91,240,75 13,64 100 91,240,8 4,55 100 90,320,85 4,55 100 90,320,9 4,55 100 90,320,95 0 100 89,861 0 100 89,86
115
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Tabla 15
Distribución de estudiantes de primer año de la carrera de IngenieríaPlan Común ingresados el año 2004 a la Universidad de Antofagasta según rendimiento real
y rendimiento predicho con modelo de regresión logística y criterio 3
Rendimiento realPredicción rendimiento
Total generalÉxito Fracaso
Éxito 6 16 22
Fracaso 2 193 195
Total general 8 209 217
RESULTADOS OBTENIDOS CON EL METODO DE ANALISIS DISCRIMINANTE
Utilizando el método de análisis discriminante (Morrison 1976) para los tres criterios se obtuvieron las siguientes tablas de clasificación:
Tabla 16
Distribución de estudiantes de primer año de la carrera de IngenieríaPlan Común ingresados el año 2004 a la Universidad de Antofagasta según rendimiento real
y rendimiento predicho con método de análisis discriminante y criterio 1
Rendimiento realPredicción rendimiento
Total generalÉxito Fracaso
Éxito 57 25 82
Fracaso 33 102 135
Total general 90 127 217
Tabla 17
Distribución de estudiantes de primer año de la carrera de IngenieríaPlan Común ingresados el año 2004 a la Universidad de Antofagasta según rendimiento real
y rendimiento predicho con método de análisis discriminante y criterio 2
Rendimiento realPredicción rendimiento
Total generalÉxito Fracaso
Éxito 33 11 44
Fracaso 42 131 173
Total general 75 142 217
116
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Tabla 18
Distribución de estudiantes de primer año de la carrera de Ingeniería Plan Común ingresados el año 2004 a la Universidad de Antofagasta según rendimiento real y rendimiento
predicho con método de análisis discriminante y criterio 3
Rendimiento realPredicción rendimiento
Total generalÉxito Fracaso
Éxito 16 6 22
Fracaso 45 150 195
Total general 61 156 217
VALIDACION DEL DIAGNOSTICO
Una forma de validar los resultados obtenidos con los modelos de predicción es usando el estadístico de Mc Nemar (Lehmann 1974) para los tres criterios. Para esto consideramos lo siguiente:
f1= Número de estudiantes que tuvieron éxito en el primer semestre según criteriof2= Número de estudiantes considerados exitosos por el modelo de predicción
En este caso se puede estructurar la siguiente tabla:
Predicción RendimientoRendimiento Real
Total generalFracaso Éxito
Fracaso A B n – f2Éxito C D f2Total general n – f1 f1 n
Luego definiendo: p1 = Proporción de éxitos según criterio p2 = Proporción de éxitos según el modelo de predicción
se tiene que p
f
np
f
n11
22= =y
Para verificar si el modelo de predicción es válido se debe aceptar la hipótesis nula H0: p1 = p2 v/s HA: p1 ≠ p2 a un nivel de significación a, para lo cual se usa el estadístico de Mc Nemar definido por:
JB C
B Cz
B C
B CN0
22
01 0 1= −+
= −+
( )( ) ( , )∼ ∼χ o si BB C+ ≥ 10
117
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
El modelo de predicción es válido con un nivel de significación
a χ a a asi o siJ z z z0 12
12
01
2
1< − ≤ ≤− − −( )
Tabla 19
Resultados de validación obtenidos con el método de Regresión Logística
Criterio J0 Punto Crítico (α = 0,05) Conclusión
1 2,77 3,85 Resultados Válidos
2 15,11 3,85 Resultados no válidos
3 10,89 3,85 Resultados no válidos
Tabla 20
Resultados de validación obtenidos con el método de Análisis Discriminante
Criterio J0 Punto Crítico (α = 0,05) Conclusión
1 1,10 3,85 Resultados Válidos
2 18,13 3,85 Resultados no válidos
3 29,82 3,85 Resultados no válidos
INDICE KAPPA
Para establecer la concordancia de los resultados de rendimientos estimados con el modelo de predicción y los resultados reales se usa el Índice Kappa (Landis, Koch 1977), el cual se puede definir de la siguiente forma:
Dada una tabla estructurada de la siguiente forma:
Predicción rendimientoRendimiento real
Total generalFracaso Éxito
Fracaso A B N1
Éxito C D N2
Total general M1 M2 N
El índice Kappa se define en este caso por:
κ =+ − +
− +N A D N M N M
N N M N M
( ) ( )
( )1 1 2 2
21 1 2 2
118
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Tabla 21
Resultados obtenidos de la concordancia mediante el modelo de regresiónlogística comparados con el método de análisis discriminante
Regresión Logística Análisis Discriminante
Criterio Indice Kappa Concordancia Indice Kappa Concordancia
1 0,48 Moderada 0,44 Moderada
2 0,38 Débil 0,40 Débil
3 0,37 Débil 0,27 Débil
INDICE DE PREDICTIBILIDAD
Definamos los siguientes eventos:E = {Éxito en el primer semestre}EC = {Fracaso en el primer semestre}D+ = {Predicción de rendimiento positivo (éxito)}D– = {Predicción de rendimiento negativo (fracaso)}
Se define el índice de predictibilidad de verdaderos positivos como la probabi-lidad de tener éxito en el primer semestre, dado que su predicción fue de éxito y se denota por P(E/D+)
Se define el índice de predictibilidad de verdaderos negativos como la proba-bilidad de fracasar en el primer semestre, dado que su predicción fue de fracaso y se denota por P(EC/D–)
Tabla 22
Resultados obtenidos del índice de predictibilidad mediante el modelo deregresión logística comparados con el método de análisis discriminante
Regresión Logística Análisis Discriminante
Criterio P(E/D+) P(EC/D–) P(E/D+) P(EC/D–)
1 0,7143 0,7823 0,6333 0,8031
2 0,7143 0,8520 0,44 0,9225
3 0,75 0,9234 0,2623 0,9615
119
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
CONCLUSIONES
– El modelo de regresión logística es un buen procedimiento para predecir el éxito en el primer semestre si se toma un criterio no tan exigente para considerar el “éxito” (criterio 1), de esta forma la prueba de validación del método no rechaza la hipótesis de igualdad de la probabilidad de éxito estimada con la verdadera probabilidad de éxito con un nivel de significación no mayor a 0,05, sin embargo con los otros dos criterios esta hipótesis es rechazada. Análogamente se concluye si consideramos el método de análisis discriminante.
– A medida que el criterio para considerar exitoso a un estudiante es más exigente se puede observar que la sensibilidad va disminuyendo y la especificidad va aumen-tando, en la determinación del punto de corte.
– De los estudiantes que fueron diagnosticados como exitosos en el primer semestre de su carrera, usando el criterio 1 con el modelo de regresión logística, el 71,4% realmente tuvo éxito y este porcentaje se mantiene si usamos el criterio 2 y aumenta a 75% si usamos el criterio 3.
– De los estudiantes que fueron diagnosticados como no exitosos en el primer semestre de su carrera, usando el criterio 1 con el modelo de regresión logística, el 78,23% realmente no tuvo éxito y este porcentaje aumenta a 85,2% si usamos el criterio 2 y aumenta a 92,34% si usamos el criterio 3.
– De los estudiantes que fueron diagnosticados como exitosos en el primer semestre de su carrera, usando el criterio 1 con el método de análisis discriminante, el 63,3% realmente tuvo éxito y este porcentaje baja a 44% si usamos el criterio 2 y baja a 26,23% si usamos el criterio 3.
– De los estudiantes que fueron diagnosticados como no exitosos en el primer semestre de su carrera, usando el criterio 1 con el método de análisis discriminante, el 80,31% realmente no tuvo éxito y este porcentaje aumenta a 92,25% si usamos el criterio 2 y aumenta a 96,15% si usamos el criterio 3
– La concordancia, utilizando ambos procedimientos de predicción (regresión logística y análisis discriminante), resulta moderada si se toma un criterio no tan exigente para considerar el “éxito” (criterio 1).
REFERENCIAS
Dobson, A. (2002). An Introduction to Generalized Linear Models. Editorial Chapman y Hall.Barón López, F. J., F. Téllez Montiel (2000). Apuntes de Bioestadística: 52-57.Duarte, J., C. Escobar; J. Reyes, (1997). Un método de estimación de parámetros para modelar
fenómenos biológicos. Anales VII Congreso de Matemática Capricornio COMCA 97, U. Ca-tólica del Norte, Antofagasta, Chile.
Duarte, J., C. Escobar; J. Reyes (1998). El problema de estimación de parámetros en modelos con error en las variables. Anales VIII Congreso de Matemática Capricornio COMCA 98, U. de Tarapacá, Arica, Chile.
Ramírez, P. et al. (2004). Motivación y rendimiento académico en cuatro carreras del área bioló-gica de la U. de Antofagasta, cohortes 2004. Seminario de título. Facultad de Educación y Ciencias Humanas, U. de Antofagasta, Antofagasta, Chile.
Lehmann, E. L. (1974). Nonparametrics-Statistical Methods Based on Ranks. John Wiley & Sons. New York.
120
Estudios Pedagógicos XXXIII, Nº 2: 101-120, 2007UNA APLICACION DEL MODELO DE REGRESION LOGISTICA EN LA PREDICCION DEL RENDIMIENTO ESTUDIANTIL
Landis J. R., G. G. Koch (1977). The measurement of observer agreement for categorical data. Biometrics 33: 159-174.
Morrison, D. F. (1976). Multivariate Statistical Methods. 2ª edición. New York: McGraw-Hill.Duarte, J., C. Escobar, J. Reyes (1987). Efectos del cambio de ponderadores de los requisitos de
ingreso en las carreras de la Universidad de Antofagasta, año 1986. Resúmenes del IX En-cuentro Nacional de Investigadores en Educación. Pontificia Universidad Católica de Chile.
Duarte, J., C. Escobar, J. Reyes (1988). Dos métodos multivariados: Una aplicación en el ambiente educacional. Resúmenes de la Séptima Jornada de Matemáticas. Universidad. Católica del Norte, Antofagasta, Chile.